經常會聽到Unicode是用兩個位元組表示世界上所有語言的編碼，那麼問題來了兩個位元組不過65535個符號，怎麼能表示所有語言？也經常搞不清楚Unicode和UTF-8到底有什麼區別。也曾聽說記憶體中都是Unicode統一表示，然後傳輸和儲存的時候轉換成UTF-8。總之網路時代就是這樣——眾說紛紜。這裡，我僅把此刻認為正確的說法記錄下來。

一. Unicode

世界上存在著多種編碼方式，同一個二進位制數字可以被解釋成不同的符號。因此，要想開啟一個文字檔案，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。為什麼電子郵件常常出現亂碼？就是因為發信人和收信人使用的編碼方式不一樣。

可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每一個符號都給予一個獨一無二的編碼，那麼亂碼問題就會消失。這就是 Unicode，就像它的名字所表示的，這是一種所有符號的編碼。

Unicode 當然是一個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字嚴。具體的符號對應表，可以查詢unicode.org，或者專門的漢字對應表。

需要注意的是，Unicode 只是一個符號集，它只規定了符號的二進位制程式碼，卻沒有規定這個二進位制程式碼應該如何儲存。

比如，漢字嚴的 Unicode 是十六進位制數4E25

誤區：java使用Unicode編碼，所以一個漢字用兩個位元組表示。

來解釋一下，首先明確java使用Unicode編碼的意思，所謂的java使用Unicode編碼其實是一個比較複雜的事情，說來話真的很長。

比如說，我們在.java原始檔中申請一個字串 String str = "中文"; 那麼當這個.java檔案被執行起來的時候，str在記憶體中為了表示"中文"這兩個漢字就會有一個對應的值，而這個對應的值使用的是Unicode編碼規則對應的。

但是，我們上面指出了，Unicode編碼裡中文並不是兩個位元組，可能是更多位元組來表示的，那麼java是怎麼做到只用兩個位元組來表示一箇中文的？

其實，正確來講，java使用Unicode編碼，準確來說其實是使用UTF-16，一箇中文字元絕大多數情況下都是兩個位元組。

這裡就有必要說一下UTF

二.UTF

UNICODE 來到時，一起到來的還有計算機網路的興起，UNICODE 如何在網路上傳輸也是一個必須考慮的問題，於是面向傳輸的眾多 UTF（UCS Transfer Format）標準出現了。為什麼會出現？因為如果你寫的文字基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的儲存空間，在儲存和傳輸上就十分不划算。

所以，本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字元根據不同的數字大小編碼成1-6個位元組，常用的英文字母被編碼成1個位元組，漢字通常是3個位元組，只有很生僻的字元才會被編碼成4-6個位元組。如果你要傳輸的文字包含大量英文字元，用UTF-8編碼就能節省空間。

再說UTF-16，即把Unicode字符集的抽象碼位對映為16位長的整數（即碼元）的序列，用於資料儲存或傳遞。UTF-16 使用二或四個位元組為每個字元編碼，其中大部分漢字採用兩個位元組編碼，少量不常用漢字採用四個位元組編碼。 

誤區：記憶體和傳輸、儲存使用的是一種編碼

搞清楚了Unicode和UTF-8的關係，我們就可以總結一下現在計算機系統通用的字元編碼工作方式：

在計算機記憶體中，統一使用Unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為UTF-8編碼。

用記事本編輯的時候，從檔案讀取的UTF-8字元被轉換為Unicode字元到記憶體裡，編輯完成後，儲存的時候再把Unicode轉換為UTF-8儲存到檔案：

瀏覽網頁的時候，伺服器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器：

搞清楚UTF-8解決的問題和一種語言所使用的編碼(內碼)是什麼意思，對上面的說法就很容易理解

首先UTF出現就是為了在網路上傳輸和儲存中使用的，因此硬碟上或傳輸流上使用UTF-8沒有問題。

那麼為什麼記憶體中要統一使用一種編碼呢？其實也很簡單：.java原始碼檔案這個檔案本身也是有編碼的，不同.java原始檔這個編碼可以不同，當JVM去編譯這個原始檔的時候，根據這個編碼去識別才能夠正確編譯出.class檔案，並且把它們統一編碼成UTF-16在JVM中執行才不會因為各個原始檔編碼不同而出錯。

因此，同樣的道理，瀏覽網頁的時候，伺服器也用這種思路統一以Unicode編碼去執行程式,然後用UTF-8去傳輸。

最後在編寫程式中的例子去理解

python3使用Unicode編碼

str = ord('中') #ord獲取字元整數表示 這個整數表示也就是Unicode編碼去對映的 也就是'中'字在記憶體中真正表示的值
print(str)

#在記憶體中以Unicode表示，一個字元對應若干個位元組。如果要在網路上傳輸，或者儲存到磁碟上，就需要把str變為以位元組為單位的bytes
str = '中文'.encode('utf-8') #把Unicode字串編碼成utf-8的bytes
print(str)

#decode把utf-8編碼的bytes解碼成Unicode字串
str = b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') #'中文'的utf-8編碼的bytes
print(str)

output:

20013
b'\xe4\xb8\xad\xe6\x96\x87'
中文